MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400267603 · doi:10.1016/s2542-5196(24)00098-6

Global health costs of ambient PM2·5 from combustion sources: a modelling study supporting air pollution control strategies

2024· article· en· W4400267603 sur OpenAlexaff
Hao Yin, Erin E. McDuffie, Randall V Martin, Michael Bräuer

Notice bibliographique

RevueThe Lancet Planetary Health · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of ChinaNational Aeronautics and Space AdministrationHealth Effects InstituteUniversity of MarylandUniversity of WashingtonU.S. Environmental Protection Agency
Mots-clésParticulatesAir quality indexAir pollutionEnvironmental scienceCombustionControl (management)PollutionEnvironmental planningBusinessEnvironmental healthEnvironmental resource managementComputer scienceMeteorologyGeographyChemistryEcologyMedicine

Résumé

récupéré en direct d'OpenAlex

Background Climate actions targeting combustion sources can generate large ancillary health benefits via associated air-quality improvements. Therefore, understanding the health costs associated with ambient fine particulate matter (PM 2·5 ) from combustion sources can guide policy design for both air pollution and climate mitigation efforts. Methods In this modelling study, we estimated the health costs attributable to ambient PM 2·5 from six major combustion sources across 204 countries using updated concentration–response models and an age-adjusted valuation method. We defined major combustion sources as the sum of total coal, liquid fuel and natural gas, solid biofuel, agricultural waste burning, other fires, and 50% of the anthropogenic fugitive, combustion, and industrial dust source. Findings Global long-term exposure to ambient PM 2·5 from combustion sources imposed US$1·1 (95% uncertainty interval 0·8–1·5) trillion in health costs in 2019, accounting for 56% of the total health costs from all PM 2·5 sources. Comparing source contributions to PM 2·5 concentrations and health costs, we observed a higher share of health costs from combustion sources compared to their contribution to population-weighted PM 2·5 concentration across 134 countries, accounting for more than 87% of the global population. This disparity was primarily attributed to the non-linear relationship between PM 2·5 concentration and its associated health costs. Globally, phasing out fossil fuels can generate 23% higher relative health benefits compared to their share of PM 2·5 reductions. Specifically, the share of health costs for total coal was 36% higher than the source's contributions to corresponding PM 2·5 concentrations and the share of health costs for liquid fuel and natural gas was 12% higher. Other than fossil fuels, South Asia was expected to show 16% greater relative health benefits than the percentage reduction in PM 2·5 from the abatement of solid biofuel emissions. Interpretation In most countries, targeting combustion sources might offer greater health benefits than non-combustion sources. This finding provides additional rationale for climate actions aimed at phasing out combustion sources, especially those related to fossil fuels and solid biofuel. Mitigation efforts designed according to source-specific health costs can more effectively avoid health costs than strategies that depend solely on the source contributions to overall PM 2·5 concentration. Funding The Health Effects Institute, the National Natural Science Foundation of China, and NASA.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,052
Tête enseignante GPT0,342
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Planetary Health→Même sujetAir Quality and Health Impacts→Travaux en français237 207→